Mózg jako wzór dla technologii
Tradycyjne komputery działają w sposób, który nie jest szczególnie efektywny energetycznie, dane są nieustannie przesyłane między pamięcią a procesorem. W przeciwieństwie do nich, ludzki mózg przetwarza i przechowuje informacje w tym samym miejscu, co czyni go niezwykle wydajnym.
To właśnie ta zasada stała się inspiracją dla tzw. neuromorficznego przetwarzania, które może zmniejszyć zużycie energii nawet o 70%. Nowe urządzenie opracowane przez badaczy naśladuje sposób działania neuronów, oferując bardziej „biologiczne” podejście do obliczeń.
Czym jest memrystor i dlaczego jest ważny?
Kluczowym elementem tej technologii jest memrystor, komponent elektroniczny zdolny do jednoczesnego przechowywania i przetwarzania danych. Nowy memrystor stworzono na bazie zmodyfikowanego tlenku hafnu, który charakteryzuje się bardzo niskim zużyciem energii, wysoką stabilnością działania oraz zdolnością do pracy w wielu stanach (a nie tylko 0 i 1). To ostatnie jest szczególnie istotne dla tzw. obliczeń analogowych, które mogą znacznie zwiększyć wydajność systemów AI.
Nowe podejście zamiast starego problemu
Dotychczasowe memrystory opierały się na tworzeniu mikroskopijnych „włókien przewodzących” wewnątrz materiału. Problem w tym, że ich działanie bywało niestabilne i wymagało wysokich napięć. Zespół z Cambridge zaproponował inne rozwiązanie. Dzięki dodaniu strontu i tytanu oraz zastosowaniu dwuetapowego procesu produkcji, udało się stworzyć strukturę z tzw. złączami p-n, podobnymi do tych używanych w klasycznej elektronice. Zamiast chaotycznego tworzenia włókien, urządzenie zmienia swoje właściwości w sposób płynny i przewidywalny.
Milion razy mniejsze zużycie energii
W testach laboratoryjnych nowe urządzenia osiągnęły imponujące wyniki. Setki stabilnych poziomów przewodnictwa, zdolność do pracy przez dziesiątki tysięcy cykli, a także możliwość „uczenia się” na wzór biologiczny (tzw. plastyczność zależna od czasu impulsów). To właśnie ta ostatnia cecha sprawia, że technologia może być szczególnie przydatna w przyszłych systemach uczących się.
Jeszcze nie idealnie, ale bardzo obiecująco
Największym wyzwaniem pozostaje proces produkcji. Obecnie wymaga on temperatur sięgających około 700°C, co utrudnia integrację z istniejącymi technologiami półprzewodnikowymi. Naukowcy pracują jednak nad obniżeniem tej temperatury. Jeśli się to uda, nowe memrystory będą mogły zostać wbudowane bezpośrednio w standardowe chipy.
Krok w stronę bardziej energooszczędnej AI
Choć technologia jest jeszcze na wczesnym etapie, jej potencjał jest ogromny. Połączenie niskiego zużycia energii z możliwością adaptacji i uczenia się może sprawić, że przyszłe systemy AI będą nie tylko potężniejsze, ale też znacznie bardziej ekologiczne. Jak podkreślają badacze, przełom nie przyszedł łatwo, poprzedziły go lata nieudanych eksperymentów. Jednak końcowy efekt pokazuje, że inspirowanie się naturą może prowadzić do technologii, które zmieniają reguły gry.
Źródło: University of Cambridge
